-
公开(公告)号：CN119322976A
公开(公告)日：2025-01-17
申请号：CN202411338153.7
申请日：2024-09-24
Applicant: 清华大学
IPC: G06F18/2411 , G01R31/00 , G01D21/02 , G01M13/00 , G06F18/214 , G06N3/0464
Abstract: 本公开涉及机电系统的异常检测技术领域，尤其涉及一种基于领域自适应因果解耦网络的复杂机电系统异常检测方法及装置。所述方法包括：获取机电系统的训练数据集和因果信息，训练数据集包括系统监测数据和对应的系统故障标签数据，因果信息用于指示机电系统的多个部件之间的作用关系；根据训练数据集和因果信息，训练得到基于领域自适应因果解耦网络的异常检测模型，领域自适应因果解耦网络用于指示系统监测数据与部件级健康状态表征之间的对应关系，异常检测模型用于对机电系统进行异常检测。本公开实施例通过结合领域自适应和因果解耦技术，训练得到领域自适应的异常检测模型，使得模型能够适应变化的系统运行环境。
-
公开(公告)号：CN119442104A
公开(公告)日：2025-02-14
申请号：CN202411546090.4
申请日：2024-10-31
Applicant: 清华大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N5/025
Abstract: 本公开涉及异常检测技术领域，尤其涉及一种因果驱动的反事实数据生成及其在异常检测中的应用方法、装置及存储介质。所述方法包括：根据系统监测变量，确定系统监测变量之间的因果关系，系统监测变量包括监测到的与系统的健康状态相关的多个监测变量；根据系统监测变量和因果关系，通过预设的神经网络模型确定部件级退化状态表征，部件级退化状态表征用于指示系统的多个部件各自的健康状态；根据部件级退化状态表征，生成符合因果关系的反事实数据，反事实数据用于异常检测模型的数据增强，异常检测模型用于对系统进行异常检测。本公开实施例通过因果驱动的反事实数据进行异常检测模型的数据增强，提高了异常检测模型的泛化能力和稳定性。
-
公开(公告)号：CN119117052A
公开(公告)日：2024-12-13
申请号：CN202411404990.5
申请日：2024-10-09
Applicant: 清华大学
IPC: B61L27/10
Abstract: 本申请涉及一种基于强化学习的列车运行调整方法、装置和电子设备，其中，该方法包括：获取第一列车计划运行方案；建立状态集和动作集；状态集包括各趟列车在各车站的晚点值；动作集包括各趟列车在各车站的停靠时长和在各运行区间的行驶速度；根据各趟列车在各车站的晚点值、各趟列车在各车站的停靠时长和第一计划停靠时长、各趟列车在各运行区间的运行时长和第一计划运行时长配置目标回报函数；根据状态集、动作集和目标回报函数训练强化学习模型；利用训练好的强化学习模型得到第二列车计划运行方案；本申请的方法可以对同一列车运行线路上列车群的运行方案进行整体调整，减少列车整体晚点时间，并可以避免对列车群的运行方案进行大规模调整。
-
公开(公告)号：CN118761497A
公开(公告)日：2024-10-11
申请号：CN202410851651.5
申请日：2024-06-27
Applicant: 清华大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/084 , B61L27/10 , B61L27/60 , B61L27/04
Abstract: 本公开涉及一种列车晚点预测方法、装置和存储介质。该方法包括：确定当前时刻的初始铁路网络图，铁路网络图中的节点包括列车节点、车站节点、干扰事件节点中的一种或多种，铁路网络图中的边和边对应的邻接矩阵用于表示节点之间的相互作用关系；将当前时刻的初始铁路网络图输入铁路网晚点演化预测模型，基于初始铁路网络图中节点的特征、边的特征以及边对应的初始邻接矩阵，确定预设时间间隔后的列车晚点预测结果。根据本申请实施例，实现了以预测范围为导向进行列车晚点预测，同时，可以揭示列车在晚点演化过程中的相互作用关系，从而可以协调晚点演化预测的可解释性和准确性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
